北京地区降雨侵蚀力简易计算方法研究

降雨侵蚀力反映了降雨对土壤侵蚀影响的潜在能力。降雨侵蚀力经典算法所需的降雨过程资料较难获得,一般利用各种类型雨量资料建立降雨侵蚀力的简易算法,为模型的参数输入服务。利用北京10个水文站25年2 894次降雨过程资料。其中5个站点用于建立日、月、年降雨侵蚀力简易计算公式,另外五个站点用语模型检验。研究结果表明,不同类型雨量资料估算降雨侵蚀力的精度不同,用日或月雨量资料直接估算日或月降雨侵蚀力时,模型的误差较大。用日、月或年雨量估算年降雨侵蚀力时,模型的误差较小,约有一半的样本相对误差绝对值小于20%,三个模型相比,日雨量模型估算的平均相对误差最小。用日、月或年雨量估算多年平均年降雨侵蚀力时,模型的误差最小,所有样本的相对误差绝对值均小于20%,平均相对误差绝对值最小值只有0.8%,最大值也小于7%,三个模型相比,日雨量模型的估算精度最高。因此在具体应用过程中可以根据资料的占有情况来决定相应的降雨侵蚀力估算模型。本研究结果可以为北京地区土壤侵蚀量估算和水土资源评价提供参数服务。     

近60年来江西省各等级侵蚀性降雨与降雨侵蚀力的关系

基于江西省具有典型代表性的5个气象站点1956-2015年共60 a逐日降雨量资料,研究了各等级侵蚀性降雨和降雨侵蚀力的特征,建立了利用各等级侵蚀性年降雨量估算年降雨侵蚀力的简易算法模型。结果表明:各等级侵蚀性降雨量、降雨日数和降雨侵蚀的时间分布规律不一。年暴雨量、年暴雨量比例、年暴雨日数、年暴雨侵蚀力、年降雨侵蚀力均在时间上呈不同程度的增长趋势,在空间表现为从南到北逐渐上升趋势。各等级侵蚀性年降雨量估算降雨侵蚀力模型的模拟值与精确值具有高度相关性,可用于估算江西地区年降雨侵蚀力。     

西藏高原东部横断山区降雨侵蚀力初步研究

降雨侵蚀力是引起水力侵蚀最主要的动力因素,经典算法所必须的降雨过程资料在藏东横断山区难以获得,目前,藏东高山峡谷区的降雨侵蚀力研究很薄弱。本研究采用月平均降雨量和年平均降雨量为基础的不同降雨侵蚀力估算模型,比较分析了不同模型的估算精度。结果表明:基于年雨量的指数函数形式的模型适用于藏东横断山区降雨侵蚀力计算,具有较高精度。研究区年平均降雨量为540.1 mm,模型估算藏东横断山区降雨侵蚀力R值为298.67(MJ.mm)/(hm2.h.a)。     

北京山区次降雨侵蚀力

降雨侵蚀力反映了降雨对土壤侵蚀影响的潜在能力 ,它是建立土壤水蚀预报模型的基础。为了进行无降雨过程资料地区的降雨侵蚀力计算 ,选取了密云 1993～ 1998年共 15 4次降雨过程资料和蒲洼 1992～ 1995年共 4 7次降雨过程资料 ,对 CREAMS模型中的次降雨侵蚀力公式进行了检验。检验结果发现 ,CREAMS模型次降雨侵蚀力公式计算结果在北京山区不同地区有较好的稳定性 ,密云和蒲洼模型计算结果的模型有效系数分别为 0 .80 4和 0 .6 90。因此在北京山区 ,当缺乏降雨过程资料时 ,可采用 CREAMS模型次降雨侵蚀力公式进行次降雨侵蚀力计算。研究结果可为北京地区无降雨过程资料地点降雨侵蚀力计算提供切实可行的基础     

辽宁省降雨侵蚀力计算方法及空间分布特征研究

降雨侵蚀力因子估算结果会直接影响土壤侵蚀模型预报精度。采用EI3 0经典算法与章文波日雨量模型分别计算降雨侵蚀力并进行比较,发现日雨量模型适用于辽宁省降雨侵蚀力计算。采用辽宁省及周边省份共39个气象站1961—2015年日降雨资料,计算得到辽宁省降雨侵蚀力均值为3 316.02 MJ·mm/(hm~2·h·a),空间分布上呈由东向西、从南到北逐渐减小的趋势,降雨侵蚀力最小值出现在朝阳市建平县,最大值出现在丹东市宽甸县。     

赣北第四纪红壤坡地降雨侵蚀力的计算与分析

 降雨侵蚀力是建立土壤侵蚀预报模型的基础。为探讨赣北第四纪红壤坡地降雨侵蚀力的最佳组合形式、时间变异特征及其简易估算方法,通过赣北典型的第四纪红壤坡地区2001—2005年的实测资料,对各种降雨参数的单因子、复合因子与土壤流失量进行统计分析,对降雨侵蚀力的时间变异特征进行初步探讨,并对降雨侵蚀力和降雨量进行相关分析。结果表明:∑EI30可作为试验区降雨侵蚀力的最佳组合形式;降雨侵蚀力年际分布不均匀,年内分配主要集中在4—9月(占91.66%),总体上降雨侵蚀力与降雨量的年际和月际变化基本一致;次降雨的降雨侵蚀力与降雨量之间的相关系数为0.838,达到极显著水平。据此可建立基于降雨量的降雨侵蚀力简易模型,对无降雨过程资料地区的降雨侵蚀力计算具有参考价值。     

东北地区降雨-径流侵蚀力研究

降雨-径流侵蚀力反映了降雨和融雪及其径流潜在的侵蚀能力。东北地区融雪侵蚀十分显著,进行土壤侵蚀预报时,需要计算降雨侵蚀力,也要求推算融雪径流侵蚀力。利用21个典型流域水文站径流泥沙资料及相应雨量站点资料,推导融雪径流侵蚀力（Rw）估算方法;利用全区234个气象站降水资料,提出了不同类型降水资料计算年降雨-径流侵蚀力（Rτ）的方法,并分析其空间分布特征。结果表明：在降雪量占年降水量≥10％的地区,融雪径流侵蚀力可利用多年平均11-翌年4月降水量P11-4估算：Rw=33.124P^0.5845 11-4;若有逐日降水量资料,则可在计算出融雪径流侵蚀力基础上,利用日降雨量计算降雨侵蚀力（R）,二者之和为年降雨-径流侵蚀力（Rτ）;若无逐日降水资料,则可采用平均年降雨量P计算年降雨-径流侵蚀力,Rτ=0.0668P^1.626.6;本区Rτ值变化于523.3-8243.4MJ·mm／（hm^2·h·a）之间,大致从西北向东南递增。研究成果有助于提高土壤侵蚀预报精度,为本区水土保持规划提供依据。     

利用日降雨量资料估算西南地区的降雨侵蚀力

降雨是影响土壤侵蚀的主要因素之一,降雨侵蚀力是各种土壤侵蚀预测预报模型的主要参数。降雨侵蚀力通常用降雨动能和某一时段最大降雨强度的乘积表示,如EI₃₀、EI₁₀或者EI₆₀等,但是这种计算方法需要长期且连续的自记雨量资料。我国大多数地区缺乏完整的自记雨量资料,使这些方法的应用受到了限制。一些不需要自记雨量过程的降雨侵蚀力计算方法已经提出,对考虑降雨季节变化的日降雨量估算降雨侵蚀力模型进行了修正,并用     

基于修正简易模型的陕北黄土丘陵沟壑区降雨侵蚀力分布特征

降雨侵蚀力经典模型计算结果准确,但计算过程繁琐、数据量大且难获取;简易模型计算便捷,但结果不够准确.本文分析了8种黄土丘陵沟壑区降雨侵蚀力模型的差异,并对简易模型进行修正.以经典模型为基准值,对与经典模型结果最为接近的简易模型进行修正,基于修正后的简易模型分析黄土丘陵沟壑区降雨侵蚀力的时空分布特征.在此过程中用到的方法主要是数理统计法和模型差异分析方法.经典模型更能准确估算陕北黄土丘陵沟壑区降雨侵蚀力;拟合模型y=0.849x-29.651可以提高章文波降雨侵蚀力简易模型的模拟精度(拟合优度0.734);陕北黄土丘陵沟壑区2006-2012年间降雨侵蚀力总体呈现上升趋势;汾川河流域、清涧河流域上游降雨侵蚀力较高,下游次之;延河流域、大理河流域下游降雨侵蚀力较高,上游次之.降雨侵蚀力简易算法经修正后可以较好的估算黄土丘陵沟壑区的降雨侵蚀力的时空分布特征,陕北黄土丘陵沟壑区2006-2012年间降雨侵蚀力时空分布不均,降雨侵蚀力整体较高.     

国内外降雨侵蚀力简易计算方法的比较

降雨是引起土壤侵蚀的主要动力 ,用 EI30 指标度量。计算 EI30 时 ,需要降雨过程资料 ,而且计算繁琐和费时 ,为此 ,很多学者采用常规降雨资料计算降雨侵蚀力的简易算法。它们往往利用区域资料经验拟合求得 ,如要推广使用 ,需要进行验证。利用我国 10个气象站降雨过程和常规降雨资料 ,通过对国内外 9种比较有代表性的多年平均年降雨侵蚀力简易计算方法的比较 ,建议采用年雨量的指数函数形式作为估算我国多年平均年降雨侵蚀力的简易计算方法。为保证计算结果的区域稳定性 ,应分不同区域进行拟合。     

贵州省降雨侵蚀力时空分布规律分析

降水是导致土壤侵蚀的主要动力因素,降雨侵蚀力反映了降雨对土壤侵蚀的潜在能力。贵州省是我国典型的生态环境脆弱区之一,水土流失十分严重。以全省19个气象台站1951—2001年逐日降雨资料,利用日降雨侵蚀力模型,估算了贵州省降雨侵蚀力,分析了其时空分异规律。结果显示近50a来贵州省降雨侵蚀力呈增加趋势,即由降雨引起的土壤水蚀潜在能力增加。降雨侵蚀力年内分配主要集中在夏季,占年均降雨侵蚀力的68.48%。在空间分布上,降雨侵蚀力由南向北递减,并且在西南部和东南边缘形成侵蚀力高值中心,在西北部形成低值中心。根据年降雨侵蚀力的季节分配特征,可以将贵州省划分为3个类型区。     

香溪河流域降雨侵蚀力特征及简易算法初步研究

降雨侵蚀力表示降雨引起土壤侵蚀的潜在能力,对土壤侵蚀定量预报及评价研究有重要意义。利用三峡库区香溪河流域兴山气象站1990—2009年20 a的逐日降雨量资料,采用日降雨侵蚀力模型估算了研究区的降雨侵蚀力,分析了降雨侵蚀力的年内、年际演变特征,并以此为基准值建立了降雨侵蚀力简易算法模型。结果表明:香溪河流域年内降雨侵蚀力R主要集中在5—8月,占全年的71%,峰值与侵蚀性降雨峰值一致,均出现在7月;R值年际变化较大,变异系数达到0.36,多年平均降雨侵蚀力为4 361.55（MJ·mm）/（hm²·h）,R值与年降雨量和年侵蚀性降雨量年际变化趋势基本一致,但也存在少数异常年份,多年降雨侵蚀力年际变化趋势系数为0.106,呈增加趋势;简易算法模型决定系数均在0.9以上,相对误差较小,均能满足要求,可应用于研究流域,但降雨侵蚀力精确值未知,模型参数有待进一步优化。     

基于日降雨的沂蒙山区降雨侵蚀力时空变化研究

降雨侵蚀力是水土流失最为重要的外部驱动力,是土壤侵蚀相关领域的研究重点。以沂蒙山区及周边38个气象台站1971—2008年逐日降雨量资料为数据源,利用基于日降雨信息的月降雨侵蚀力模型,估算了研究区多年月、年降雨侵蚀力,并初步分析了降雨侵蚀力的时空分布规律。结果表明:沂蒙山区降雨侵蚀力总体趋势为西北、中南高,北部低,泗水县、曲阜市东部一带是研究区降雨侵蚀力的高值中心;R值与年降雨量和年侵蚀性降雨量的年际变化趋势基本一致,但也有部分异常年份;沂蒙山区降雨侵蚀力年内主要集中分布在6—9月份,占全年的97.07%,其中最大月降雨侵蚀力出现在7月份,占年降雨侵蚀力的51%。研究结果可为该区域水土流失预报、农业面源污染状况预报等提供理论依据。     

BP神经网络在降雨侵蚀力预测预报中的应用研究

降雨侵蚀力反映由降雨引起土壤侵蚀的潜在能力,是建立通用土壤流失方程USLE的最基本因子之一。由于降雨侵蚀力计算过程中所需资料较难收集,给其计算增加了难度。运用BP神经网络方法对降雨侵蚀力与地理之间的关系进行研究,建立降雨侵蚀力BP神经网络模型。对福建省46个地域的降雨侵蚀力进行研究,结果表明:所建立的降雨侵蚀力BP神经网络模型对模拟预测福建不同地域的降雨侵蚀力,平均模拟精度为96.81%,平均预测精度为95.68%,达到了较为理想的效果。这不仅为降雨侵蚀力的预测预报提供了科学依据,而且也为BP神经网络在水土保持研究中的应用开辟了新的思路。     

小流域森林植被冠层对降雨侵蚀力减缓研究

降雨是影响土壤侵蚀的主要因素之一,降雨侵蚀力反映了降雨对土壤侵蚀的潜在能力;森林植被对土壤侵蚀具有减缓作用。本文通过气象观测站与标准径流小区的试验观测,系统地分析了赣西北大坑小流域森林植被冠层对降雨侵蚀力的影响,结果表明：①不同林分林冠截留率不同,其中杉木林平均截留率为25．82％,马尾松林为19．63％,檀木为21．13％;②不同林分减缓降雨侵蚀力的作用是不同的,其中马尾松林〉杉木林;③灌木林在减弱降雨侵蚀力作用中占有特殊重要的作用,本研究中檀木林减缓降雨侵蚀力为22％-27％,平均为25％,远远大于乔木林。     

集水区尺度降雨侵蚀力空间分布对土壤流失的影响

为探讨降雨侵蚀力空间分布对土壤流失的影响效应,该文以黄土丘陵沟壑区子长集水区为例,将区域重心概念应用到降雨侵蚀力的空间分布研究中,基于GIS探讨了降雨侵蚀力重心在不同年份间的变迁对土壤流失的影响。研究结果表明：降雨侵蚀力重心与水文站点、大于15°坡度重心的距离会显著影响土壤流失;当降雨侵蚀力重心位于水文站点和较陡坡度重心中间位置时,也会产生较多土壤流失;降雨侵蚀力重心在南北方向上变化对土壤流失影响不大,但在东西方向上的移动能够明显改变土壤流失。在集水区尺度上,随着降雨侵蚀力空间分布的变化,降雨侵蚀力与坡度、土地利用、水文站点的空间耦合关系将发生改变,从而导致土壤流失量的增加或减少。     

Rainfall erosivity and erosivity density through rainfall synthetic series for São Paulo State,Brazil: Assessment,regionalization and modeling

Rainfall is the main cause of erosion of Brazilian soils, which makes assessing the rainfall erosivity factor (RE) and the erosivity density (ED) fundamental for soil and water conservation. Therefore, the objectives of this study were: i) to estimate the RE and ED for São Paulo State, Brazil, using synthetic series of pluviographic data; ii) to define homogeneous regions regarding rainfall erosivity; and iii) to generate regression models for rainfall erosivity estimates in each of the homogeneous regions. Synthetic series of pluviographic data were initially obtained on a sub-daily scale from the daily rainfall records of 696 rainfall gauges. The RE values were then estimated from the synthetic rainfall data, and ED was calculated from the relationship between erosivity and rainfall amounts. Monthly and annual maps for RE and ED were obtained. Hierarchical clustering analysis was used to define homogeneous regions in terms of rainfall erosivity, and regionalized regression models for estimating RE were generated. The results demonstrate high spatial variability of RE in São Paulo, where the highest annual values were observed in the coastal region. December to March concentrate approximately 60% of the intra-annual erosivity. The highest values of annual ED were observed in regions with intense agricultural activity. The definition of five homogeneous regions concerning the rainfall erosive potential evidenced distinct seasonal patterns of the spatial distribution of erosivity. Finally, the high predictive accuracy of the regionalized models obtained characterizes them as essential tools for reliable estimates of rainfall erosivity, and contribute to better soil conservation planning.     

河南省降雨侵蚀力时空变异与不同算法比较研究

利用河南省119个气象台站自建站至2003年间不同年限的逐日降雨量资料,采用不同方法分别计算了河南省各县(市)不同时段的降雨侵蚀力,对不同算法的时空差异进行了比较。结果表明:河南省多年平均降雨侵蚀力总体趋势是由北向南、由西向东递增,最大值出现在南部的鸡公山、新县与商城;各地点的降雨侵蚀力在不同年份变异较大,无明显的周期性等规律;各种算法均可表现出时空变化特征,但具体数据差异较大。认为以逐日降雨量为基础的3种算法比较接近实际情况,其中CREAMS模型因其计算简便性可进行较广泛应用。